சமீபத்திய ஆண்டுகளில், செயற்கை நுண்ணறிவுத் துறையில் விரைவான தொழில்நுட்ப முன்னேற்றங்கள் ஏற்பட்டுள்ளன. MoE, வலுவூட்டல் கற்றல் (Reinforcement Learning), ஏஜெண்டுகள் (Agents), கணினி பயன்பாடு, A2A போன்ற புதிய சொற்கள் பெருகிவிட்டன. தொழில்நுட்பப் பின்னணி இல்லாத சாதாரண பயனர்களுக்கு, இந்த சொற்களும் தொழில்நுட்பக் கருத்துகளும் பெரும் குழப்பத்தை ஏற்படுத்தலாம். இதன் விளைவாக, அவர்கள் AI உடன் எளிய கேள்வி பதில் பரிமாற்றங்களுக்குள் மட்டுப்படுத்தப்படுகிறார்கள்.
MCP, அல்லது மாதிரி சூழல் நெறிமுறை (Model Context Protocol) என்பது இந்த தொழில்நுட்ப கருத்துக்களில் ஒன்றாகும். கடந்த ஆண்டில், AI ஏஜெண்டுகள் வேகமாக வளர்ந்துள்ளன, மேலும் MCP நெறிமுறைகள் சிக்கலான பணி தானியக்கத்தை ஆதரிக்கும் முக்கியமான அடிப்படை திறனாக வெளிவந்துள்ளன. இருப்பினும், தற்போதைய MCP புரட்சி இன்னும் டெவலப்பர்களின் பிரத்தியேக களமாகவே தெரிகிறது. தெளிவற்ற நெறிமுறை ஆவணங்கள், சிக்கலான கருவி பதிவு, மற்றும் தனிப்பயனாக்கப்பட்ட உள்ளமைவுக்கு அதிக தடைகள் உள்ளன. இதன் விளைவாக, பெரும்பாலான சாதாரண பயனர்கள் தூரத்திலிருந்து மட்டுமே பார்க்க முடியும்.
இருப்பினும், இந்த நிலைமை மாறி வருகிறது. ஏப்ரல் 23 அன்று, 360 இன் துணை நிறுவனமான நானோ AI, தனிப்பட்ட பயனர்களுக்காக வடிவமைக்கப்பட்ட ‘MCP டூல்பாக்ஸ்’ஐ அறிமுகப்படுத்தியது. இந்த தயாரிப்பு தொழில்நுட்ப பின்னணி இல்லாத சாதாரண பயனர்களுக்காக வடிவமைக்கப்பட்டுள்ளது.
இந்த தயாரிப்பு MCP நெறிமுறையை முழுமையாக ஆதரிப்பது மட்டுமல்லாமல், பல்வேறு பெரிய மாதிரி உள்கட்டமைப்புகளின் அடிப்படையில் ஏஜென்ட் பணிகளையும் இயக்க முடியும். கூடுதலாக, வெளிப்புற கருவிகளை தானாகவே அழைப்பது, AI அறிவு தளங்களை அணுகுவது மற்றும் பயனர் வரையறுக்கப்பட்ட பணி ஓட்டங்களை ஆதரிப்பது போன்ற சக்திவாய்ந்த திறன்களை இது கொண்டுள்ளது. முக்கியமான விஷயம் என்னவென்றால், இயக்க வரம்பு கணிசமாகக் குறைக்கப்பட்டுள்ளது, குறியீட்டு திறன்கள் தேவையில்லை, மேலும் ஒரு சாட் பாக்ஸைத் திறப்பதன் மூலம் இதைப் பயன்படுத்தலாம்.
தற்போது, சூப்பர் ஏஜென்ட் பொது சோதனைக்கு வந்துள்ளது. மாதிரிகள் முதல் நெறிமுறைகள், கருவி சுற்றுச்சூழல் அமைப்புகள் மற்றும் தனிப்பயனாக்கப்பட்ட பணி ஒருங்கிணைப்பு வரை, நானோ AI உண்மையில் AI ஏஜெண்டுகளை அனைவரின் அன்றாட வாழ்க்கையிலும் கொண்டு வருவதை நோக்கமாகக் கொண்டுள்ளது.
நானோ AI இன் ‘MCP டூல்பாக்ஸ்’ எவ்வளவு சிறப்பாக உள்ளது? இந்தக் கேள்விக்கு பதிலளிக்க, மெஷின் ஹார்ட் குழு உள் சோதனை தகுதி பெற்று தொடர்ச்சியான சோதனைகளை நடத்தியது.
டூல்பாக்ஸுடன் அனுபவம்: MCP எளிதாக்கப்பட்டது
நானோ AI ‘MCP டூல்பாக்ஸ்’ஐப் பயன்படுத்துவது மிகவும் எளிதானது. பயனர்கள் நானோ AI பயன்பாட்டை பதிவிறக்கம் செய்து நிறுவ வேண்டும், பின்னர் பதிவு செய்து உள்நுழைய வேண்டும்.
புதுப்பிக்கப்பட்ட ‘ஏஜென்ட்’ பக்கத்திற்குள் நுழைந்ததும், நானோ AI தற்போதுள்ள ஏஜெண்டுகளை பல வகைகளாகப் பிரித்துள்ளது. ஆழமான ஆராய்ச்சி, வேலை மற்றும் செயல்திறன் மற்றும் வாழ்க்கை உதவியாளர்கள் ஆகியவை அடங்கும். அதே நேரத்தில், இது டூல்பாக்ஸ் மற்றும் ஒரு கேஸ் ஸ்டடி சதுரத்திற்கான அணுகலையும் வழங்குகிறது.
டூல்பாக்ஸுக்குள் நுழைந்ததும், நானோ AI ஏற்கனவே 100 க்கும் மேற்பட்ட MCP சேவையகங்களை உள்ளமைத்துள்ளது. நானோ AI உருவாக்கிய ஒரு டஜன் MCP கருவிகள் மற்றும் மூன்றாம் தரப்பு MCP கருவிகள் இதில் அடங்கும். அலுவலக ஒத்துழைப்பு, கல்வி, வாழ்க்கை சேவைகள், தேடுபொறிகள், நிதி, ஊடக பொழுதுபோக்கு மற்றும் தரவு ஸ்கிராப்பிங் போன்ற பல்வேறு சூழ்நிலைகளை உள்ளடக்கியது. கூடுதலாக, நானோ AI பயனர்கள் தங்கள் சொந்த MCP சேவையகங்களை உள்ளமைப்பதையும் ஆதரிக்கிறது.
முதலில், மெஷின் ஹார்ட் வாசகர்கள் மிகவும் கவர்ச்சிகரமான பயன்பாட்டைச் சோதிப்போம்: ஒரு குறிப்பிட்ட ஆராய்ச்சி தலைப்பு தொடர்பான arXiv இல் சமீபத்திய ஆராய்ச்சி கண்டுபிடிப்புகளைத் தேடி ஒழுங்கமைப்பது.
முதலில் டூல்பாக்ஸைத் தேடுவோம். நானோ AI இன் முன்னமைக்கப்பட்ட கருவிகளில் ஏற்கனவே ‘arXiv தேடல்’ இருப்பதால், அதை நாமே உள்ளமைக்கத் தேவையில்லை. நானோ AI ஏற்கனவே arXiv காகித மீட்டெடுப்பை ஆதரிக்கும் பல முகவர்களைக் கொண்டுள்ளது என்பதையும் நாம் காணலாம். ‘தொழில்முறை காகித தேடலை’ நமது முதல் படியாக தேர்ந்தெடுப்போம். இந்த முகவர் நான்கு கருவிகளுடன் கட்டமைக்கப்பட்டுள்ளது. நானோ AI சூப்பர் தேடல், arXiv தேடல், கூகிள் ஸ்காலர் மற்றும் கல்வி தேடல் ஆகியவை நமது தேவைகளை பூர்த்தி செய்கின்றன. ஒரு தூண்டுதலை எழுதி இயக்கவும்:
கடந்த மாதத்தில் arXiv இல் வலுவூட்டல் கற்றல் தொடர்பான ஆராய்ச்சி கண்டுபிடிப்புகளை மீட்டெடுக்கவும், அவற்றை கோட்பாட்டு ஆராய்ச்சி, தொழில்நுட்ப மேம்பாடுகள் மற்றும் பயன்பாடுகளின் அடிப்படையில் வகைப்படுத்தவும், மேலும் முக்கியமான முன்னேற்றத்திற்கான எளிய விளக்கத்தை வழங்கவும்.
‘தொழில்முறை காகித தேடலின்’ பணி செயல்முறை பின்வருமாறு:
இந்த பணி மிகவும் எளிதானது. முகவர் ‘arXiv தேடல்’ கருவியை ஒரு முறை மட்டுமே அழைத்தது, எனவே அரை நிமிடத்திற்குள் பணியை முடித்தது, மூன்று வகைகளில் ஒவ்வொன்றிலும் இரண்டு பிரதிநிதித்துவ ஆராய்ச்சி முடிவுகளைத் தேர்ந்தெடுத்தது.
அடுத்து, பின்வரும் கட்டளையைப் பயன்படுத்தி சைக்கிள் ஓட்டுதல் திட்டமிடுபவர் முகவரை முயற்சிக்கவும்: “சோங்கிங்கில் உள்ள குவான்யின் பாலத்திற்கு அருகில் ஏதேனும் நல்ல சைக்கிள் பாதைகள் இருக்கிறதா?”
இந்த முகவர் மூன்று கருவிகளைப் பயன்படுத்தியதை நாம் காணலாம்: amapmcpserver-cloud இன் maps_weather (வானிலை வினவலுக்கு) மற்றும் maps_direction_bicycling (பாதைகளை அமைப்பதற்கு) மற்றும் gen_html (வலைப்பக்கங்களை உருவாக்குவதற்கு), மொத்தம் 362 வினாடிகள் இயங்குகிறது, இறுதியாக மேலே காட்டப்பட்ட டைனமிக் வலைப்பக்கத்தைப் பெற்றது. இந்த இணைப்பின் மூலம் நீங்கள் அதை அணுகலாம். ஆம், நீங்கள் உருவாக்கிய வலைப்பக்கத்தை பகிரங்கமாகப் பகிரலாம்!
அடுத்து, சிரமத்தை அதிகரிப்போம். இந்த முறை நமது தேவை ‘நெட்வொர்க்கைத் தேடுங்கள், தற்போதைய பெண்களின் ஃபேஷன் போக்குகளை பகுப்பாய்வு செய்து, பெண்களின் ஃபேஷன் உறுப்பு பகுப்பாய்வு அறிக்கையை வெளியிடவும்.’ இந்த முறை நாம் நானோ AI இன் ‘ஆழமான ஆராய்ச்சி முகவரை’ நேரடியாகப் பயன்படுத்துவோம். MCP சேவையகங்கள் மற்றும் உள்ளமைக்கப்பட்ட உலாவி உள்ளிட்ட பயனரின் குறிப்பிட்ட தேவைகளுக்கு ஏற்ப பொருத்தமான கருவிகளைப் பயன்படுத்த இது தேர்வு செய்யலாம். நிச்சயமாக, எனவே, ஆழமான ஆராய்ச்சி முகவர் ஒரு பணியை இயக்க நீண்ட நேரம் எடுக்கும், பல நிமிடங்கள் வரை ஆகும்.
பணியை இயக்கும்போது, ஆழமான ஆராய்ச்சி முகவர் முதலில் பணி தேவைகளுக்கு ஏற்ப செயல்படுத்தப்பட வேண்டிய படிகளைத் திட்டமிடும், பின்னர் திட்டத்தின்படி படிப்படியாக படிகளை இயக்கும்.
இந்த குறிப்பிட்ட பணிக்கான ஆழமான ஆராய்ச்சி முகவரால் உருவாக்கப்பட்ட செயல்படுத்தல் படிகள் கீழே உள்ள படத்தில் காட்டப்பட்டுள்ளன.
முதலில், அது தற்போதைய பெண்களின் ஃபேஷன் போக்குகள் தொடர்பான உள்ளடக்கத்தை பல வலைத்தளங்களில் தேடியது, பின்னர் தேடிய உள்ளடக்கத்தை பகுப்பாய்வு செய்து, முடிவுகளை காட்சிப்படுத்தியது. இறுதியாக, அது இறுதி அறிக்கையை வழங்கியது.
இந்த செயல்பாட்டில், அது உள்ளூர் தேடல் கருவி aiso_do_search ஐ மூன்று முறை, தரவு ஸ்கிராப்பிங் கருவி 360_crawl ஐ ஒரு முறை, கிளவுட் கோட் சாண்ட்பாக்ஸ் கருவி கிளவுட்-சாண்ட்பாக்ஸை ஒன்பது முறை, சுருக்க கருவி சுருக்கத்தை ஒரு முறை மற்றும் வலைப்பக்க உருவாக்கும் கருவி gen_html ஐ ஒரு முறை அழைத்தது.
இறுதியில், பிரபலமான பாணி தீம் பகுப்பாய்வு, பிரபலமான வண்ண போக்குகள், பிரபலமான பாணிகள் மற்றும் உறுப்பு பகுப்பாய்வு, பிரபலமான கூறுகளின் விரிவான மதிப்பீடு, துணி மற்றும் தொழில்நுட்ப போக்குகள் மற்றும் பொருந்தும் பரிந்துரைகள் மற்றும் பயன்பாடுகள் உள்ளிட்ட ஆறு முக்கிய பிரிவுகளை உள்ளடக்கிய 30 பக்க ஆழமான அறிக்கையைப் பெற்றோம்.
அறிக்கையிலிருந்து எடுக்கப்பட்ட உள்ளடக்கத்தின் பல பக்கங்கள்
நானோ AI இன் ஆழமான ஆராய்ச்சி முகவர் பணியை முடிக்கும் முழு செயல்முறையையும் பின்வரும் வீடியோ காட்டுகிறது:
4x வேகத்தில் இயக்கப்பட்டது
அது மட்டுமல்லாமல், நானோ AI பகுப்பாய்வு முடிவுகளை இன்னும் தெளிவாகக் காண்பிக்கும் டைனமிக் வலைப்பக்கத்தையும் உருவாக்கியது:
கூகிள் சமீபத்தில் தனது முதல் காலாண்டு நிதி அறிக்கையை வெளியிட்டதைக் கருத்தில் கொண்டு, நானோ AI இன் ‘தலைமை தொழில்துறை நுண்ணறிவு அதிகாரி’ முகவர் அதை விளக்க எங்களுக்கு உதவ முடியும்.
அதன் வலைப்பக்க பதிப்பை இங்கே அணுகலாம்: , மேலும் முழு பணி செயல்முறையையும் பின்வரும் வீடியோவில் காணலாம்:
சமீபத்தில் பிரபலமான தொலைக்காட்சித் தொடரான ‘தி குட் லைஃப்’ க்காக சியோஹோங்ஷுவில் பதிவிட பொருத்தமான திரைப்பட விமர்சனத்தை எழுத நானோ AI ஐப் பயன்படுத்த முயற்சிப்போம், மேலும் முன்னமைக்கப்பட்ட சியோஹோங்ஷு உலாவல் ரோபோ பணியைச் சிறப்பாகச் செய்ய முடியும்.
எச்சரிக்கை! உள்ளடக்கத்தில் ஸ்பாய்லர்கள் இருக்கும்.
நானோ AI வேலை செய்யும் முழு செயல்முறையையும் பின்வரும் வீடியோ காட்டுகிறது.
இந்த செயல்பாட்டில், நானோ AI சியோஹோங்ஷு தொடர்பான இரண்டு கருவிகளைப் பயன்படுத்தியது. சியோஹோங்ஷுவில் தகவல்களைச் சேகரிப்பதற்கான கலெக்ட்_ரிலேட்_இன்ஃபோ_ரெட் புக் மற்றும் சியோஹோங்ஷு உள்ளடக்கத்தை உருவாக்குவதற்கான ரெட்_புக்_ஜெனெரேட் ஆகியவை அடங்கும். கூடுதலாக, இது பிரவுசர்_ஆட்டோமேஷன்_டாஸ்க் பயன்படுத்தப்பட்டது - இந்த கருவி நானோ AI பயன்பாட்டில் உள்ளமைக்கப்பட்ட உலாவியைத் திறந்து பணிகளைச் செய்ய முடியும். பொருத்தமான வழிமுறைகளுடன், இந்த கருவியைப் பயன்படுத்தி ரயில் டிக்கெட்டுகளை முன்பதிவு செய்வது, வெய்போவில் இடுவது மற்றும் ஒரே வாக்கியத்தில் குறிப்புகளை எடுப்பது போன்ற பணிகளையும் நீங்கள் முடிக்கலாம்.
இறுதியாக, நானோ AI இல், பயனர்கள் தங்கள் சொந்த MCP ஐ எளிதாக உள்ளமைக்க முடியும். எடுத்துக்காட்டாக, இங்கே, ஒரு சில அளவுரு அமைப்புகளுடன் Obsidian குறிப்புகளை வினவவும் பகுப்பாய்வு செய்யவும் ஒரு கருவியை நாங்கள் வெற்றிகரமாக உள்ளமைத்தோம்.
பின்னர், கருவியை அழைக்கும் ஒரு முகவரை உள்ளமைக்கவும், நானோ AI இல் நாங்கள் சேகரித்த குறிப்புகளை நாம் அறிவுப்பூர்வமாக மீட்டெடுக்கவும் பகுப்பாய்வு செய்யவும் முடியும். பின்வரும் வீடியோ ஒரு உதாரணத்தைக் காட்டுகிறது:
மேலே உள்ள வழக்குகள் நானோ AI இன் திறன்களின் ஒரு சிறு பகுதி மட்டுமே. MCP டூல்பாக்ஸ் மூலம், பயனர்கள் தகவல் தேடுவது மற்றும் தேடுவது, படங்கள் மற்றும் வீடியோ உள்ளடக்கத்தை உருவாக்குவது, AI உங்கள் ஃப்ளோமோ துண்டு குறிப்புகளை ஒழுங்கமைத்து முடிவுகளை நோஷன் பணிநிலையத்தில் வைப்பது, பங்குகளை பகுப்பாய்வு செய்வது, போர்ச்சுகலுக்கு பயணம் செய்வதற்கான மிகச் சிறந்த விமானப் பாதையைக் கண்டுபிடிப்பது, பயணம் அல்லது உடற்பயிற்சி திட்டங்களைக் குறிப்பிடுவது, நிறுவன அறிக்கைகளை உருவாக்குவது, மேகக்கணி சேமிப்பக களஞ்சியங்களை அல்லது உள்ளூர் கோப்புகளை நிர்வகிப்பது போன்ற பல விஷயங்களைச் செய்யலாம். உங்கள் கற்பனை மட்டுமே எல்லை!
டூல்பாக்ஸில் MCP ஐ மறைத்தல்: நானோ AI இதை எப்படி செய்கிறது
MCP, அல்லது மாதிரி சூழல் நெறிமுறை, முதன்முதலில் Anthropic ஆல் நவம்பர் 2024 இல் வெளியிடப்பட்டது. இது பெரிய மாதிரிகளை உண்மையான உலகத்துடன் இணைக்கும் ஒரு முக்கியமான ‘பாலம்’ என்று கூறலாம். மாதிரிகள் கேள்விகளுக்கு பதிலளிப்பது மட்டுமல்லாமல், கருவிகளை அழைக்கவும், தரவைப் பெறவும், மனிதர்களைப் போல பணிகளைச் செய்யவும் அனுமதிக்கிறது. இந்த ஆண்டு, அதிகமான நிறுவனங்கள் நெறிமுறையை ஏற்றுக்கொண்டதால், இது கருவிகளைப் பயன்படுத்துவதில் ஒரு உண்மை தரமாக மாறியுள்ளது, மேலும் AI முகவர்களின் திறனை வெளியிடுகிறது.
இருப்பினும், பெரும்பாலான பயனர்களுக்கு, MCP நெறிமுறையின் பொதுவான லேபிள்கள் ‘சிக்கலானது’, ‘உயர் தொழில்நுட்ப வரம்பு’ மற்றும் ‘டெவலப்பர்களுக்கு மட்டும்’ என்பதாகும். இந்த திறனை, தொழில்முறை பொறியாளர்களுக்கு சொந்தமான திறனை, ஒவ்வொரு சாதாரண நபருக்கும் எவ்வாறு வழங்குவது?
இந்த உண்மையான பிரச்சனைக்கு பதிலளிக்கும் விதமாக, 360 இன் பதில்: MCP ஐப் புரிந்து கொள்ள உங்களுக்கு கற்பிக்க வேண்டாம், ஆனால் அதை ‘காணக்கூடிய, கிளிக் செய்யக்கூடிய மற்றும் முடிவு கணிக்கக்கூடிய’ டூல்பாக்ஸில் நேரடியாக இணைக்கவும்.
1. கருத்து எளிமைப்படுத்தலிலிருந்து தொடர்பு பரிமாண குறைப்பு வரை
நானோ AI குழு முதலில் கருத்துக்களின் மொழிபெயர்ப்பைச் செய்தது: பயனர்கள் MCP சேவையகம் அல்லது API விசையை புரிந்து கொள்ளத் தேவையில்லை, இது பயன்படுத்தக்கூடிய கருவி அல்லது திறன் என்பதை அவர்கள் அறிந்து கொள்ள வேண்டும் - அதனால்தான் நாம் முன்பு ‘கருவி’ என்ற சொல்லைப் பயன்படுத்தினோம். முதலில் தெளிவற்ற நெறிமுறை இடைமுகத்தை ‘தேடல்’, ‘எழுதுதல்’ மற்றும் ‘தரவு பகுப்பாய்வு’ போன்ற எளிதில் புரிந்துகொள்ளக்கூடிய கருவி லேபிள்களாக தொகுப்பது பயனரின் அறிவாற்றல் வரம்பை பெரிதும் குறைக்கிறது, மேலும் AI பெரிய மாதிரிகளுக்கு MCP சேவையகத்தின் அர்த்தத்தை பயனர்கள் இன்னும் உள்ளுணர்வாகப் புரிந்து கொள்ள அனுமதிக்கிறது. இது நானோ AI டூல்பாக்ஸின் வடிவமைப்பு தத்துவம். இதற்குப் பின்னால் MCP நெறிமுறையின் நானோ AI இன் மறு தொகுப்பு மற்றும் இடைமுக அடுக்கின் பொறியியல் மறுகட்டமைப்பு உள்ளது.
இடைமுகத்தில் பயனர்கள் பார்ப்பது எளிய தேர்வு மற்றும் இழுத்தல், ஆனால் உண்மையில், நானோ AI உருவாக்கிய 100 க்கும் மேற்பட்ட MCP சேவையகங்கள் அல்லது கவனமாக தேர்ந்தெடுக்கப்பட்ட ஒருங்கிணைப்பு திட்டமிடப்படுகிறது. இந்த கருவிகள் அலுவலகம், கல்வி, நிதி, தேடுபொறிகள், வலை ஸ்கிராப்பிங் மற்றும் பட செயலாக்கம் போன்ற சூழ்நிலைகளை உள்ளடக்கியது. பயனர்கள் ஒரு வரியைக் கூட எழுதாமல் சிக்கலான பணி சங்கிலிகளை முடிக்க இந்த ‘வெளிப்புற மூளைகளை’ தானாக அழைக்க பெரிய மாதிரிகளை அனுமதிக்கலாம்.
நானோ AI Firecrawl, Brava தேடல் மற்றும் AutoNavi வரைபடங்கள் போன்ற பல MCP கருவிகளுக்கான உள்ளமைக்கப்பட்ட API விசைகளையும் கொண்டுள்ளது.
2. மாதிரிகள் மற்றும் கருவிகளுக்கு இடையிலான ‘கடைசி மைலை’ உடைத்தல்
கடந்த காலத்தில், பெரிய மாதிரிகள் சக்திவாய்ந்த மொழி புரிதல் திறன்களைக் கொண்டிருந்தாலும், அவை இன்னும் ‘கருவி அழைப்பு’ தீவு விளைவில் சிக்கிக்கொண்டன. நானோ AI இன் அணுகுமுறை MCP நெறிமுறையை ஒரு இடைநிலை மொழியாகப் பயன்படுத்துவதாகும், இது ‘பெரிய மாதிரி + கருவி’ ஆகியவற்றின் ஒத்துழைப்பு பொறிமுறையை அடிப்படையாக உடைக்கிறது.
இது அழைப்பு சிக்கலைத் தீர்ப்பது மட்டுமல்லாமல், மாதிரியின் உண்மையான திறன் எல்லையையும் பெரிதும் விரிவுபடுத்துகிறது. உதாரணமாக, பயனர்கள் முகவரிடம் ‘NVIDIA பங்கு விலை பகுப்பாய்வு அறிக்கையை உருவாக்க எனக்கு உதவுங்கள்’ என்று சொன்னால் போதும், முகவர் தானாகவே பணி படிகளை உடைத்து, தேடுபொறிகளைத் திரட்டி, பக்க உள்ளடக்கத்தை ஸ்கிராப் செய்து, பகுப்பாய்வு விளக்கப்படங்களை உருவாக்கி, தெளிவாக கட்டமைக்கப்பட்ட அறிக்கையை வெளியிடுவார். அந்த காலகட்டத்தில், 5 முதல் 7 கருவிகள் அழைக்கப்படலாம், ஆனால் பயனர் ஒரு முடிவு பக்கத்தை மட்டுமே பார்க்கிறார்.
இது MCP இன் ‘கருவி சேர்க்கை’ திறனின் துல்லியமான உருவகமாகும்: செயல்பாட்டின் போது ஆதாரங்களைத் சுயாதீனமாகத் திட்டமிடவும், செயல்முறைகளைத் திட்டமிடவும், முயற்சி மற்றும் பிழை பின்னூட்டம் மற்றும் சுய மேம்பாட்டை நடத்தவும் இது முகவர்களை அனுமதிக்கிறது, இது மிகவும் மனித உருவ பணி தீர்வு பாதையை உருவாக்குகிறது.
3. உள்ளூர் செயல்பாடு, பாதுகாப்பானது மற்றும் நம்பகமானது: தொழில்நுட்ப அடுக்கு ஆழமாக மெருகூட்டல்
பல ‘மேகக்கணி நுண்ணறிவு உடல்கள்’ போலல்லாமல், நானோ AI மிகவும் கடினமான ஆனால் மிகவும் நம்பிக்கைக்குரிய பாதையைத் தேர்ந்தெடுத்தது: MCP வாடிக்கையாளர்களை உள்நாட்டில் வரிசைப்படுத்துதல், பயனர்களுக்கு அதிக கட்டுப்பாட்டை வழங்குகிறது.
இது குறைந்தது மூன்று முக்கிய நன்மைகளைத் தருகிறது:
- அழைப்பு சுதந்திரம்: உள்ளூர் நுண்ணறிவு உடல்கள் பயனரின் கோப்பு முறைமையை அணுகலாம், உலாவியை அழைக்கலாம் மற்றும் உண்மையான தனிப்பயனாக்கப்பட்ட பணி செயலாக்கத்தை அடைய தரவுத்தளத்தை மீட்டெடுக்கலாம்.
- தடைகளை உடைத்தல்: AI இன் தனித்துவமான தேவைகளுக்கு பதிலளிக்கும் விதமாக, 360 நானோ AI க்காக ஒரு பிரத்யேக AI உலாவியை உருவாக்கியுள்ளது. உள்நுழைவு சுவர்கள், மனித-இயந்திர சரிபார்ப்பு மற்றும் தகவல் ஓட்டம் குறுக்கீடு ஆகியவற்றின் மூலம் இதை உடைக்க முடியும், மேலும் உள்நுழைவு மற்றும் ஸ்லைடு சரிபார்ப்பு போன்ற செயல்பாடுகளை தானாகவே முடிக்க முடியும்.
- சாண்ட்பாக்ஸ் உத்தரவாதம்: 360 இன் பாதுகாப்பு தொழில்நுட்ப திரட்சியின் அடிப்படையில், நானோ AI எதிர்காலத்தில் ஒரு உள்ளூர் ரன்டைம் சாண்ட்பாக்ஸையும் அறிமுகப்படுத்தும். தரவு பாதுகாப்பை உறுதிப்படுத்த பெரிய மாதிரி உள்ளூர் கோப்புகளை தவறாக இயக்குவதைக் கண்காணிக்கவும், முன்கூட்டியே எச்சரிக்கவும், கட்டுப்படுத்தவும் முடியும்.
இந்த முழு அமைப்பு பயனர்களை ‘பயன்படுத்த’ அனுமதிப்பது மட்டுமல்லாமல், ‘பாதுகாப்பாகவும், திறமையாகவும், அளவிடக்கூடிய வகையிலும் பயன்படுத்தவும் அனுமதிக்கிறது.’
4. பாரிய பயனர்களை எதிர்கொள்வது: உண்மையிலேயே திறந்த MCP சுற்றுச்சூழல் அமைப்பை உருவாக்குதல்
நானோ AI MCP கருவிகளை இணைப்பது மட்டுமல்லாமல், திறந்த திறன் சுற்றுச்சூழல் அமைப்பைத் திறப்பதில் முன்னிலை வகித்தது. தற்போது, 400 மில்லியனுக்கும் அதிகமான மாதாந்திர வருகை அளவு கொண்ட இந்த தளம் 100 க்கும் மேற்பட்ட உயர்தர MCP கருவிகளைக் கொண்டுள்ளது, மேலும் மூன்றாம் தரப்பு MCP சேவையகங்கள் உள்ளிடப்படுகின்றன. பயனர்கள் தங்கள் சொந்த AI முகவரை உருவாக்க கருவி திறன்களைத் தாராளமாக பதிவேற்றலாம், மீண்டும் பயன்படுத்தலாம் மற்றும் இணைக்கலாம்.
சாதாரண பயனர்களுக்கு, இது ‘மற்றவர்கள் அமைத்த AI ஐப் பயன்படுத்துவது’ அல்ல, ஆனால் அவர்களின் சொந்த தேவைகளுக்கு ஏற்ப தனிப்பயனாக்கப்பட்ட AI உதவியாளரை உருவாக்க முடியும். காகித பகுப்பாய்வு, தரவு உருவாக்கம், போக்கு கண்காணிப்பு, வலைப்பக்க கட்டுமானம், பங்கு கணிப்பு… தேவை இருக்கும் வரை, இணைந்து பயன்படுத்தக்கூடிய கருவிகள் உள்ளன, மேலும் தானாக செயல்படுத்தக்கூடிய பணிகள் உள்ளன.
முழு தொழிலுக்கும், முகவர் தொழில்நுட்பம் ‘மூடப்பட்ட அமைப்பு’ நிலையிலிருந்து ‘சுற்றுச்சூழல் நெட்வொர்க்’ நிலைக்கு நகர்கிறது என்று இது அர்த்தப்படுத்துகிறது. கருவிகள், மாதிரிகள் மற்றும் பணிகள் இனி தனிமைப்படுத்தப்படாது, ஆனால் ஒரு பொதுவான மொழியாக MCP மூலம் இணைக்கப்படும்.
தொழில்நுட்ப தடைகள் உடைக்கப்பட்டுள்ளன: நுண்ணறிவு உடல்கள் C முடிவிற்கு மூழ்குகின்றன
ஒரு காலத்தில், நுண்ணறிவு உடல்களைப் பயன்படுத்துவதற்கான வரம்பு இன்னும் டெவலப்பர்களின் கதவு சட்டகத்தில் உயரமாக இருந்தது. இப்போது, நானோ AI ‘MCP டூல்பாக்ஸ்’ அறிமுகத்துடன், AI ஆட்டோமேஷன் உள்கட்டமைப்பு என்று அழைக்கப்படும் MCP, முதல் முறையாக சாதாரண பயனர்களின் பார்வைக்கு கிட்டத்தட்ட ‘முட்டாள்-பாணி’ வடிவத்தில் நுழைந்துள்ளது. 360 குழுமத்தின் தலைவரான Zhou Hongyi வெளியீட்டிற்கு முந்தைய பகிர்வு கூட்டத்தில் கூறியது போல்: “முகவரில் MCP சேவையகம் தானாகவே அழைக்கப்படுவது என்னவென்று பயனர்கள் தெரிந்து கொள்ள வேண்டியதில்லை.” டூல்பாக்ஸ் மூலம், நானோ AI MCP இன் தொழில்நுட்ப தடைகளை உடைத்து, நுண்ணறிவு உடல்கள் மேலும் C முடிவுக்கு மூழ்குவதற்கு அனுமதிக்கிறது.
MCP ஐ ‘டூல்பாக்ஸாக’ மாற்றுவது எளிதானது போல் தெரிகிறது, ஆனால் செய்வது கடினம். இது தொழில்நுட்பத்தை ஒருங்கிணைக்கும் திறனை சோதிப்பது மட்டுமல்லாமல், தயாரிப்பு சிந்தனை மற்றும் பயனர் புரிதலின் ‘அனுதாபத்தையும்’ சோதிக்கிறது. நானோ AI செய்வது சிக்கலை மையத்தில் இணைத்து பயனர்களுக்கு சுதந்திரம் கொடுப்பதாகும் - இதன் மூலம் ஒவ்வொரு சாதாரண நபரும் டெவலப்பர்களைப் போல ‘AI உலகத்தை அழைக்க’ அனுமதி பெற முடியும்.
இந்த செயல்முறை ஒரு எளிய காட்சி இடைமுகம் கட்டுமானம் மட்டுமல்ல, ஆழமான AI பயன்பாட்டு முன்னுதாரண மாற்றமாகும்: நுண்ணறிவு உடல்கள் பேசுவதற்கும் பதிலளிப்பதற்கும் கூடிய மாதிரிகள் மட்டுமல்ல, திறன்களை திட்டமிடவும், கருவிகளை அழைக்கவும், பணிகளை முடிக்கவும் திறன் கொண்ட உண்மையான பங்காளிகள்.
அப்போதிருந்து, MCP உண்மையிலேயே C-முனை பயனர்களை நோக்கி நகரத் தொடங்கியுள்ளது, இது நினைவுகூரத்தக்க ஒரு வரலாற்று தொடக்க புள்ளியாக இருக்கலாம்.